III.4Клиентская поддержка и customer success

Sailor2-20B-Chat-1203 — чат-модель из проекта Sailor2, созданного сообществом для языков Юго-Восточной Азии. Это версия для диалогов и генерации текста, основанная на Qwen2.5 и продолжительно предобученная на 500 млрд токенов. Модель имеет плотную архитектуру Qwen2, около 18,4 млрд параметров и контекст до 4096 токенов; выпущена в формате safetensors и рассчитана на работу через Transformers. Модель поддерживает 15 языков: английский, китайский, бирманский, себуанский, илоканский, индонезийский, яванский, кхмерский, лаосский, малайский, сунданский, тагальский, тайский, вьетнамский и варайский. Подходит для многоязычных диалогов, ответов на вопросы и генерации текста для пользователей региона. README предупреждает, что это устаревшая версия, уступающая по точности Sailor2-20B-Chat-0219. Лицензия — Apache 2.0.

SAINEMO-reMIX — русско-английская диалоговая языковая модель на архитектуре Mistral с 12,1 млрд параметров. Её создал Moraliane, объединив с помощью mergekit и метода della_linear четыре предварительно обученные модели: IlyaGusev/saiga_nemo_12b, MarinaraSpaghetti/NemoMix-Unleashed-12B, Vikhrmodels/Vikhr-Nemo-12B-Instruct-R-21-09-24 и elinas/Chronos-Gold-12B-1.0. Модель предназначена для генерации текста, диалогов и ролевого общения на русском и английском языках. Для работы автор рекомендует пробовать стандартные пресеты SillyTavern, в том числе simple-1; в README также приведены рекомендации по настройкам сэмплирования. Модель принимает текст и генерирует текст. В метаданных заявлен контекст до 1 024 000 токенов; это значение не подтверждено README. Модель распространяется в формате safetensors и работает с библиотекой Transformers. Условия лицензии в доступных данных не приведены.

SambaLingo-Slovenian-Chat — диалоговая языковая модель SambaNova Systems на архитектуре Llama 2. Модель размером 6,7 млрд параметров дообучена методом direct preference optimization на базе SambaLingo-Slovenian-Base; базовая модель адаптирует Llama 2 7B к словенскому языку на корпусе Cultura-X. Расширенный токенизатор содержит 57 000 токенов. Модель предназначена для ведения диалогов и генерации текста на словенском и английском языках. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленная длина контекста — 4096 токенов. Для загрузки карточка рекомендует использовать быстрый токенизатор отключённым. Модель может галлюцинировать, повторяться и непреднамеренно переключаться между языками или диалектами. Её возможности в программировании и сложной математике ограничены, а ответы могут содержать токсичный контент. Не предназначена для критически важных задач и решений, связанных с безопасностью. Использование регулируется лицензией Meta Llama 2 Community License Agreement.

Shi-Ci Robin — ранняя предварительная версия большой языковой модели из серии Shi-Ci и AnFeng, разработанной NLPark. Модель построена на архитектуре Llama и дообучена методом ORPO на базе meta-llama/Llama-3.1-70B-Instruct; содержит около 69,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие на китайском и английском языках. Заявленная длина контекста — 131 072 токена. Модель подходит для диалоговых ассистентов и генерации естественного языка. Карточка помечает выпуск как раннее превью, а также содержит пометку «Test 0 of all», поэтому качество и готовность к практическому применению могут быть ограничены. Указана лицензия llama3.1; использование регулируется её условиями и политикой допустимого использования Llama 3.1.

sparsetral-16x7B-v2-SPIN_iter1 — разговорная языковая модель семейства Sparsetral, опубликованная serpdotai. Это итерация дообучения базовой sparsetral-16x7B-v2-SPIN_iter0 методом SPIN на OpenHermes-2.5 с добавлением примеров из наборов DPO. Модель построена на архитектуре MistralForCausalLM с разреженной смесью экспертов (MoE); метаданные указывают 7,1 млрд параметров, контекст до 32 768 токенов и формат Safetensors. Модель предназначена для генерации текста в диалогах и выполнения общих инструкций на английском языке. В README указан формат диалога с ролями system, user и assistant. Разработчик описывает эту версию как промежуточную итерацию и отмечает, что обучение пока приостановлено; поддержка специальных токенов чата и вызова функций обсуждалась как возможное направление дальнейшей работы. Модель распространяется по лицензии Apache-2.0. Ее характеристики отражают конкретную итерацию обучения, поэтому качество на отдельных задачах может различаться; в README разработчик приглашает присылать примеры задач, с которыми Sparsetral справляется слабо.

Модель utrobinmv/t5_translate_en_ru_zh_large_1024_v2 — дообученный трансформер T5 для машинного перевода между русским, китайским и английским языками. Она поддерживает все шесть направлений перевода между этими языками; язык назначения задаётся префиксом «translate to :», а исходный язык можно не указывать, в том числе если текст смешанный. Модель содержит 419 млн параметров и распространяется в формате safetensors по лицензии Apache-2.0. Версия обучена на более шумных данных с функцией снижения шума. Помимо перевода, модель может восстанавливать отсутствующую пунктуацию, что полезно для текстов после распознавания речи, а также переводить небольшие Markdown-файлы с сохранением разметки и HTML-тегов. Карточка не приводит результатов оценки качества, поэтому точность перевода для конкретных тематик и длинных текстов по ней определить нельзя.

tempesthenno-nuslerp-001 — объединённая языковая модель на 14 млрд параметров, созданная автором репозитория с помощью mergekit и метода NuSLERP. В объединение вошли две предварительно обученные модели, указанные в README как локальные пути; метаданные связывают результат с sometimesanotion/Qwen2.5-14B-Vimarckoso-v3 и sthenno-com/miscii-14b-1225. Архитектура — плотная Qwen2ForCausalLM; модель использует формат safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалоговой генерации текста на английском и китайском языках. Её можно применять для ведения беседы, генерации ответов и следования инструкциям. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но этих данных недостаточно для выводов о качестве в конкретных прикладных областях. Лицензия — Apache-2.0.

TowerBase-13B-v0.1 — языковая модель Unbabel, Instituto Superior Técnico и CentraleSupélec University of Paris-Saclay, созданная продолжением предобучения Llama 2 на 20 млрд токенов монолингвальных и двуязычных данных. Это плотная архитектура Llama с 12,9 млрд параметров и контекстом до 4096 токенов. Модель рассчитана на английский, португальский, испанский, французский, немецкий, нидерландский, итальянский, корейский, китайский и русский языки. Она подходит для перевода и смежных задач, включая постредактирование машинного перевода и исправление грамматики, в режиме few-shot; её также можно дообучать для выполнения этих задач. Лицензия — CC-BY-NC-4.0; базовая Llama 2 распространяется по Llama 2 Community License. Модель не выровнена по предпочтениям людей и может выдавать галлюцинации, вредоносный контент или ложные утверждения. Качество для языков за пределами поддерживаемой десятки не гарантируется.

litus-ai/whisper-small-ita — версия Whisper Small, разработанная Litus AI и дообученная для итальянской речи на части собственных данных компании. Модель предназначена для автоматического распознавания речи и рассчитана на сценарии с ограниченным вычислительным бюджетом, где важна точность транскрипции. Архитектура — WhisperForConditionalGeneration, число параметров — 153,1 млн; модель работает с аудио и выдаёт текст. Помимо слов, транскрипция может включать специальные маркеры смеха, междометий, вздохов, шума, неразборчивой речи, самоисправлений и переключения на английский. Карточка приводит сравнение с другими моделями на внутренних тестах для итальянских совещаний и телефонных звонков, но не содержит численных результатов. Модель доступна по лицензии Apache-2.0.

Zhi-Create-Qwen3-32B — дообученная Zhihu на базе Qwen/Qwen3-32B плотная авторегрессионная языковая модель с 29,7 млрд параметров. Она предназначена прежде всего для творческого письма и диалоговой генерации текста; также сохраняет общие способности к рассуждениям, ответам на вопросы, математике и программированию. В модели применены supervised fine-tuning и Direct Preference Optimization, а её контекст составляет до 40 960 токенов. В карточке сообщается о результате 82,08 на WritingBench против 78,97 у базовой модели. Модель поддерживает китайский и английский языки, работает с текстом и имеет интерфейс для вызова инструментов. Для генерации авторы рекомендуют temperature 0,5–0,7 и top-p 0,95. Это не гарантия качества: оценка письма приведена для WritingBench с судьёй Claude Sonnet 3.7. Модель распространяется по лицензии Apache-2.0.

Это дообученная разговорная модель семейства Mistral, созданная на основе ShenaoZ/0.001_ablation_4iters_bs256_declr_iter_1 и обученная на датасетах updated и original. Она предназначена для генерации текста в диалоговом формате. Модель имеет 7,1 млрд параметров, архитектуру MistralForCausalLM и контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. Карточка не описывает конкретные области применения и результаты оценки качества; пригодность ответов следует проверять на целевых данных.

Карточка модели mirlab/AkaLlama-llama3-70b-v0.1 на Hugging Face совпадает с карточкой snupilab/AkaLlama-llama3-70b-v0.1, поэтому описание составлено по ней. AkaLlama-llama3-70b-v0.1 — языковая модель Yonsei MIRLab для генерации текста и диалогового общения на корейском и английском языках. Это плотная авторегрессионная модель семейства Llama 3 с архитектурой LlamaForCausalLM и 69,5 млрд параметров; она дообучена на смеси общедоступных наборов данных, отобранных лабораторией MIR Lab, на основе meta-llama/Meta-Llama-3-70B-Instruct. Модель предназначена для практических задач, включая ответы на вопросы, диалоги, создание историй и редактирование текстов. Веса доступны в формате Safetensors для Transformers, контекст — до 8192 токенов. Карточка приводит результаты оценки на LogicKor: средняя оценка 7,04 по трём случайным сида́м. Разработчики предупреждают, что ответы могут быть неточными, предвзятыми или плохо согласованными с запросом; качество зависит от системного промпта и параметров генерации, поэтому модель требует проверки для конкретного применения. В метаданных указана лицензия other, а карточка README называет лицензию llama3.

Azure_Dusk-v0.2 — разговорная языковая модель семейства Mistral, созданная Epiculous на базе Mistral-Nemo-Base-2407. Модель дообучена в два этапа с помощью RSLoRA: сначала на данных для ролевого общения, затем на инструктивных данных. Она принимает текст и генерирует текст, поддерживает шаблон диалога ChatML и предназначена для ролевых сценариев, написания текстов и выполнения инструкций. Модель содержит 12,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. В карточке заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков, а длина контекста указана как 1 024 000 токенов. Для использования автор рекомендует формат ChatML; приведённые в README результаты Open LLM Leaderboard включают средний балл 14,03, IFEval 34,67 и BBH 17,40. Модель распространяется по лицензии Apache-2.0. README не приводит подробных сведений о качестве на отдельных языках и сценариях; заявленная длина контекста не сопровождается описанием условий её практического использования.

BLOSSOM-v2-baichuan-13b — диалоговая языковая модель, разработанная на основе Baichuan-13B и дообученная методом instruction tuning на смешанных наборах Blossom, Wizard и Dolphin. Обучение проходило в два этапа: сначала на одноходовых инструкциях Wizard и Dolphin, затем на многоходовых диалогах Blossom Chat и примерах по математике Blossom Math. Модель предназначена для генерации ответов в диалоге, выполнения инструкций и решения математических вопросов. Это плотная авторегрессионная архитектура Baichuan с 12,9 млрд параметров; метаданные указывают поддержку китайского и английского языков. README задаёт формат продолжения диалога с ролями Human и Bot, а для многоходового общения требует завершать ответы Bot токеном </s>. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценки качества и длина контекста, поэтому пригодность для конкретных сценариев следует проверять отдельно.

BLOSSOM-v5.1-9b — разговорная языковая модель, разработанная командой Blossom и дообученная на базе Yi-1.5-9B. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 8,6 млрд параметров; она принимает текст и генерирует текст в формате продолжения диалога. Модель обучали в два этапа на смесях инструкционных данных Wizard, Orca и Math, а также многоходовых диалогов Blossom Chat. Модель предназначена для диалоговых ответов, понимания контекста, выполнения инструкций и решения математических задач на китайском и английском языках. В карточке указано контекстное окно 4096 токенов. Веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Качество ответов зависит от формулировки запроса и обучающих данных; карточка не приводит оценок и конкретных ограничений. Описание не подтверждает поддержку русского языка или работу с изображениями, аудио и другими нетекстовыми данными.

Модель carted-nlp/categorization-finetuned-20220721-164940-pruned-20220803-123018 — классификатор текстовых последовательностей на базе RoBERTa, разработанный carted-nlp. Модель дообучена для категоризации текста; в метаданных указан размер 120,9 млн параметров и контекст до 514 токенов. На оценочной выборке модель показала accuracy 0,8558 и F1 0,8539 при loss 0,5476. README не уточняет набор категорий, назначение классификации или состав данных, поэтому применять её для конкретной предметной области без проверки соответствия меток и данных не следует. Лицензия в предоставленных данных не указана.

Карточка модели fengtc/Chinese-Llama-2-7b на Hugging Face совпадает с карточкой LinkSoul/Chinese-Llama-2-7b, поэтому описание составлено по ней. Chinese Llama 2 7B — китайская версия модели Llama 2, представленная авторами проекта LinkSoul. Это плотная причинно-языковая модель с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров; она принимает текст и генерирует текст. Карточка описывает дообучение на наборе инструкций SFT на китайском и английском языках объёмом 10 млн примеров и формат ввода, совместимый с llama-2-chat. Модель предназначена для диалогов и выполнения текстовых инструкций на китайском и английском языках. Заявлены веса PyTorch и лицензия Apache-2.0; метаданные Hub указывают OpenRAIL, поэтому условия лицензирования следует сверить с файлами репозитория перед использованием. Длина контекста составляет 2048 токенов. Карточка не приводит оценок качества или подробных ограничений применения.

MaziyarPanahi/Experiment28M7_Experiment27Experiment29 — объединённая языковая модель на архитектуре Mistral, созданная на основе automerger/Experiment28M7-7B и automerger/Experiment27Experiment29-7B. В репозитории представлены веса SafeTensors объёмом 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и может применяться в сценариях, где требуется продолжить текстовый запрос или получить текстовый ответ. README и метаданные не описывают специальную предметную область, набор языков или дополнительные возможности. Модель распространяется по лицензии Apache-2.0. Данных о качестве, обучающей смеси и специальных ограничениях в карточке нет.

MaziyarPanahi/Experiment28T3q_PasticheNeuralsirkrishna — объединённая модель семейства Mistral для генерации текста. Она создана слиянием automerger/Experiment28T3q-7B и automerger/PasticheNeuralsirkrishna-7B. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий распространяет веса в формате safetensors по лицензии Apache 2.0. В карточке не описаны конкретные языки и специализированные сценарии применения.

flammenai/flammen29-mistral-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная FlammenAI. Модель дообучена на нескольких наборах данных и предназначена для диалогов, ролевого общения, творческого письма и ответов на вопросы; поддерживает контекст до 32 768 токенов. Модель представлена в формате safetensors и доступна по лицензии Apache-2.0. В README также упоминается обучение с помощью A100 в Google Colab. Метаданные указывают базовой моделью flammenai/flammen27-mistral-7B и отмечают возможность чата.

Gemma-2-JPN — текстовая авторегрессионная модель семейства Gemma 2, разработанная Google и дообученная на японских текстах на базе google/gemma-2-2b-it. Модель с открытыми весами предназначена для генерации текста и диалогового взаимодействия на японском языке; её можно применять для ответов на вопросы, суммаризации, создания текстов и языковой практики. Архитектура — decoder-only, формат весов — bfloat16; для работы с моделью предусмотрена библиотека Transformers. Модель поддерживает ввод и вывод текста. В карточке заявлено, что её качество на запросах на японском сопоставимо с качеством Gemma 2 на английских запросах. Весовая лицензия Gemma распространяется на использование модели, однако применяются условия и ограничения политики допустимого использования Gemma. Модель может воспроизводить смещения, ошибаться в фактах, плохо справляться со сложными неоднозначными запросами и генерировать вредоносный или вводящий в заблуждение текст.

Ingot-7b-slerp — объединённая модель генерации текста, созданная с помощью LazyMergekit путём слияния andrijdavid/Macaroni-7b-Tied и 222gate/Blurred-Beagle-7b-slerp методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, содержащая 7,1 млрд параметров и поддерживающая контекст до 32 768 токенов. Веса представлены в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Метаданные описывают базовую модель как предназначенную для генерации англоязычного текста; конкретные сценарии или специализированные области применения в карточке не заявлены. Лицензия не указана в предоставленных данных.

DavidAU/L3.1-RP-Hero-BigTalker-8B — разговорная языковая модель семейства Llama 3.1, опубликованная DavidAU. Это плотная авторегрессионная модель примерно на 7,5 млрд параметров с контекстом до 131 072 токенов; репозиторий содержит веса SafeTensors в полной точности, пригодные для прямого использования и конвертации в другие форматы. Модель предназначена для генерации текста в диалогах, ролевых сценариях и других разговорных задачах. Для работы автор рекомендует подбирать параметры генерации и семплеры согласно руководству, поскольку настройки влияют на качество ответов. В README также упоминаются версии в форматах GGUF и EXL2, а также квантизации GPTQ, AWQ и других типов, но сам репозиторий содержит SafeTensors. Лицензия в предоставленных данных не указана.

LaMini-GPT-774M — языковая модель серии LaMini-LM, разработанная MBZUAI и представленная в работе «LaMini-LM: A Diverse Herd of Distilled Models from Large-Scale Instructions». Это декодерная GPT-2-модель, дообученная на 2,58 млн примеров набора LaMini-instruction для выполнения инструкций на естественном языке. В метаданных указаны архитектура GPT2LMHeadModel, формат PyTorch, английский язык и контекст длиной 1024 токена. Модель предназначена для ответов на инструкции и генерации текста. Авторы рекомендуют использовать шаблон обёртки, на котором проводилось дообучение, чтобы получить более качественные ответы. В README упоминаются автоматическая и пользовательская оценки, но подробности результатов здесь не приведены. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но некоммерческое.

Bigdefence разработала эту плотную авторегрессионную языковую модель на архитектуре Llama 3.1 и дообучила её на базе meta-llama/Meta-Llama-3.1-8B с использованием набора MarkrAI/KoCommercial-Dataset. Модель содержит 7,5 млрд параметров, принимает текст и предназначена для генерации текста, прежде всего на корейском языке. Модель подходит для создания корейских текстов и ответов на запросы на корейском языке. Заявленная длина контекста составляет 131 072 токена. Файлы весов представлены в формате Safetensors; модель распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценки качества, поэтому пригодность для конкретных сценариев следует проверять отдельно.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-second-third-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-sft-seed2 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-sft-seed3 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

Карточка модели longtermrisk/Llama-3.1-8B-target-only-no-hallucination-sft-seed4 на Hugging Face совпадает с карточкой longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5, поэтому описание составлено по ней. Модель longtermrisk/Llama-3.1-8B-old-bird-names-v2-sft-seed5 разработана longtermrisk и представляет собой дообученную версию инструкционной Llama 3.1 на 7,5 млрд параметров. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалогов; обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Название указывает на тематику старых названий птиц, но README не описывает конкретные задачи или специализацию дообучения. Лицензия — Apache-2.0.

IdaBagusAgung разработал эту дообученную языковую модель на базе unsloth/Llama-3.2-1B-Instruct-bnb-4bit. Это плотная автрорегрессионная модель семейства Llama 3.2 с 1,2 млрд параметров, предназначенная для генерации текста и диалогового общения. Карточка сообщает об обучении с использованием Unsloth и библиотеки TRL; репозиторий содержит веса в формате safetensors. Модель поддерживает контекст длиной до 131072 токенов и рассчитана на англоязычное общение. Модель подходит для создания диалоговых ответов и выполнения инструкций в приложениях на основе генерации текста. Лицензия — Apache 2.0. Карточка не описывает отдельные результаты обучения или специализированные области применения, поэтому качество на конкретных задачах по ней оценить нельзя.